ES面试题-编程知识

ES面试题

1、如何同步索引库

同步调用
在完成数据库操作后，直接调用搜索服务提供的接口
异步通知
在完成数据库操作后，发送MQ消息
搜索服务监听MQ，接收到消息后完成数据修改
监听binlog

2、分词器

ik分词器
ik_smart
ik_max_word
自定义分词器
以拼音分词器为例
默认的拼音分词器会将每个汉字单独分为拼音，而我们希望的是每个词条形成一组拼音，需要对拼音分词器做个性化定制，形成自定义分词器。

elasticsearch中分词器（analyzer）的组成包含三部分：

character filters：在tokenizer之前对文本进行处理。例如删除字符、替换字符
tokenizer：将文本按照一定的规则切割成词条（term）。例如keyword，就是不分词；还有ik_smart
tokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等
文档分词时会依次由这三部分来处理文档：
在这里插入图片描述

PUT /test
{"settings": {"analysis": {"analyzer": { // 自定义分词器"my_analyzer": {  // 分词器名称"tokenizer": "ik_max_word","filter": "py" //和下面的过滤器名称相同}},"filter": { // 自定义tokenizer filter"py": { // 过滤器名称"type": "pinyin", // 过滤器类型，这里是pinyin"keep_full_pinyin": false,"keep_joined_full_pinyin": true,"keep_original": true,"limit_first_letter_length": 16,"remove_duplicated_term": true,"none_chinese_pinyin_tokenize": false}}}},"mappings": {"properties": {"name": {"type": "text","analyzer": "my_analyzer",	// 自定义的分词器"search_analyzer": "ik_smart"}}}
}

3、高亮设置

高亮一定要用全文检索查询
pre_tags:设置高亮字段的前置标签
post_tags:设置高亮字段的后置标签
注意：
1、默认情况下，高亮的字段，必须与搜索指定的字段一致，否则无法高亮，如果要对非搜索字段高亮，则需要添加一个属性：required_field_match=false
2、加高亮标签的地方，不是搜索的关键词，而是通过分词器对搜索的关键词进行分词得到的词条进行高亮
3、高亮是对关键字高亮，因此搜索条件必须带有关键字，而不能是范围这样的查询

4、倒排索引

倒排索引中有两个非常重要的概念：

文档（Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息
词条（Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条
创建倒排索引是对正向索引的一种特殊处理，流程如下：
将每一个文档的数据利用算法分词，得到一个个词条
创建表，每行数据包括词条、词条所在文档id、位置等信息
因为词条唯一性，可以给词条创建索引，例如hash表结构索引

正向和倒排
那么为什么一个叫做正向索引，一个叫做倒排索引呢？

正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。
而倒排索引则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程。
是不是恰好反过来了？

那么两者方式的优缺点是什么呢？

正向索引：
优点：
可以给多个字段创建索引
根据索引字段搜索、排序速度非常快
缺点：
根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。

倒排索引：
优点：
根据词条搜索、模糊搜索时，速度非常快
缺点：
只能给词条创建索引，而不是字段
无法根据字段做排序